Preface：fine-tuning到底是什么？
在预训练模型层上添加新的网络层，然后预训练层和新网络层联合训练。
文本分类的例子最典型了，最后加一个Dense层，把输出维度降至类别数，再进行sigmoid或softmax。
比如命名实体识别，在外面添加BiLSTM+CRF层，就成了BERT+BiLSTM+CRF模型。
这个例子可能不太典型，因为还是加了繁重的网络结构。
做多分类和多标签分类时，只需要用到以下四个文件。
├── tokenization.py # 所需文件四：用于文本预处理（分字）的文件
├── modeling.py # 所需文件一：BERT的网络模型文件
├── optimization.py # 所需要文件二：优化器文件
├── run_classifier.py # 所需文件三：模型的fine-tuning文件
需要修改的文件：run_classifier.py。
按模型的输入格式处理数据和导入数据，在预训练层加下游任务，修改评估函数和输出结果等。
└── chinese_L-12_H-768_A-12├── bert_config.json # BERT 的配置文件├── bert_model.ckpt.data-00000-of-00001 # 预训练的模型├── bert_model.ckpt.index├── bert_model.ckpt.meta└── vocab.txt # BERT字粒度的词表
#词汇表 vocab.txt 解读
词汇表中共有21128行，编号从0开始，编号1-99的为unused字符串。[CLS]在102行，id为101；[SEP]在103行，id为102。
├── bert# 需要用到的 BERT 文件│ ├── __init__.py│ ├── modeling.py│ ├── optimization.py│ ├── run_classifier.py│ └── tokenization.py├── config.py# 参数配置├── data_processor.py # 对样本做拆字├── **metrics.py # 自定义 f1，precision和recall**├── pretrained_model # 预训练的中文BERT模型│ └── chinese_L-12_H-768_A-12│ ├── bert_config.json│ ├── bert_model.ckpt.data-00000-of-00001│ ├── bert_model.ckpt.index│ ├── bert_model.ckpt.meta│ └── vocab.txt├── run_classifier.py # 定义下游任务并做训练、验证和预测脚本├── run.sh # 执行的shell脚本└── run_test.py # 模型测试脚本
#**修改模型**，在预训练层外面增加一个dense层，做softmax/sigmoid变换#**create_model这个函数是最关键的**def create_model(bert_config, is_training, input_ids, input_mask, segment_ids,labels, num_labels, use_one_hot_embeddings):#**修改模型评估函数**，增加F1值、precision和recall def model_fn_builder(bert_config, num_labels, init_checkpoint, learning_rate,num_train_steps, num_warmup_steps, use_tpu,use_one_hot_embeddings):
前方高能，避免踩大坑：
一是对于多分类任务，不能根据值大于0.5这个判断条件，来得到索引，而是根据是否为最大值。
值大于0.5，来得到索引，适用于二分类和多标签分类。
predictions = tf.argmax(logits, axis=-1, output_type=tf.int32)
二是用 np.argmax() 来得到索引，而不能用 tf.argmax()，否则会报错（好像也行！？）。
报错的意思是：计算图已经构建结束了，不能再调整计算图。
我的理解是，这个probabilities已经是numpy的格式，而不是tensorflow的格式，如果再用 tensorflow 的函数，那就会调整计算图。这是不允许的。
一、多标签多分类 VS 多分类任务
**
针对多标签多分类任务（Multi-label classification task），微调模型时的最后一层全连接层输出需要使用的是sigmoid转换。
而对于多分类任务（Multi-class classification task），则只需要进行softmax变换即可。
softmax适用于多分类问题中对每一个类别的概率判断。
小结：
如果模型输出为非互斥类别，且可以同时选择多个类别，则采用Sigmoid函数计算该网络的原始输出值。
如果模型输出为互斥类别，且只能选择一个类别，则采用Softmax函数计算该网络的原始输出值。
二、如何让BERT模型输出precision、recall、F1-score等指标
1、对于多分类任务：修改run_classifier.py中的代码如下
def metric_fn(per_example_loss, label_ids, logits, is_real_example):predictions = tf.argmax(logits, axis=-1, output_type=tf.int32)accuracy = tf.metrics.accuracy(labels=label_ids, predictions=predictions, weights=is_real_example)loss = tf.metrics.mean(values=per_example_loss, weights=is_real_example)auc = tf.metrics.auc(labels=label_ids, predictions=predictions, weights=is_real_example)precision = tf.metrics.precision(labels=label_ids, predictions=predictions, weights=is_real_example)recall = tf.metrics.recall(labels=label_ids, predictions=predictions, weights=is_real_example)return {"eval_accuracy": accuracy,"eval_loss": loss,'eval_auc': auc,'eval_precision': precision,'eval_recall': recall,}
2、对于多标签多分类任务：
三、除了直接基于预训练模型的获得词向量，如何基于微调训练获得词向量？
1.基于预训练模型直接获得768维的词向量
该方法简单，但是后期任务的效果很差，至少不会好！
直接基于肖涵博士的***bert-as-service***获得词向量。
准备工作：
安装bert服务端：pip install bert-serving-server
安装bert服务客户端：pip install bert-serving-client
在命令行输入： bert-serving-start -model_dir E:/chinese_L-12_H-768_A-12
-num_worker=2（训练好的中文预模型路径，num_worker的数量表示最高处理来自2个客户端的并发请求），如果成功开启则出现以下界面。
from bert_serving.client import BertClientbc = BertClient()a=bc.encode(['浙江投融界科技有限公司#服务：计算机软硬件、网络信息技术的技术开发、技术咨询、技术服务、成果转让，第二类增值电信业务中的信息服务业务（仅限互联网信息服务），计算机系统集成，实业投资、投资管理、投资咨询（以上项目除证券、期>货，未经金融等监管部门批准，不得从事向公众融资存款、融资担保、代客理财等金融服务），企业管理咨询，市场营销策划，网页>设计，承接网络工程（涉及资质证凭证经营），会展服务，经济信息咨询、商务信息咨询（除中介），设计、制作国内广告；其他无>需报经审批的一切合法项目。（依法须经批准的项目，经相关部门批准后方可开展经营活动）'])print(a)print(len(a[0]))
具体可参考：/hanxiao/bert-as-service（肖涵博士Github）
2.基于run_classifier.py微调模型获得768维的词向量
只需修改run_classifier.py中的fine-tuning代码，从而输出相应的经微调训练之后的词向量。
该方法稍微有点耗时耗资源，但是后期任务的效果较好，至少不会很差！
def create_model(bert_config, is_training, input_ids, input_mask, segment_ids,labels, num_labels, use_one_hot_embeddings):"""Creates a classification model."""model = modeling.BertModel(config=bert_config,is_training=is_training,input_ids=input_ids,input_mask=input_mask,token_type_ids=segment_ids,use_one_hot_embeddings=use_one_hot_embeddings)output_layer = model.get_pooled_output()#分类任务的768维词向量hidden_size = output_layer.shape[-1].value # 768output_weights = tf.get_variable("output_weights", [num_labels, hidden_size],initializer=tf.truncated_normal_initializer(stddev=0.02))output_bias = tf.get_variable("output_bias", [num_labels], initializer=tf.zeros_initializer())with tf.variable_scope("loss"):if is_training:output_layer = tf.nn.dropout(output_layer, keep_prob=0.9)logits = tf.matmul(output_layer, output_weights, transpose_b=True)logits = tf.nn.bias_add(logits, output_bias)#probabilities是由输出向量经sigmoid变换得到的#多分类问题，但是每个样本只属于一个类别，softmax交叉熵算出来的是一个值#多分类问题，且一个样本可以同时拥有多个标签，一个样本会在每个类别上有一个交叉熵,使用tf.sigmoid(与tf.nn.sigmoid相同，但最好用tf.sigmoid)probabilities = tf.sigmoid(logits)label_ids = tf.cast(labels, tf.float32)per_example_loss = tf.reduce_sum(tf.nn.sigmoid_cross_entropy_with_logits(logits=logits, labels=label_ids), axis=-1) #logits和labels必须有相同的类型和大小loss = tf.reduce_mean(per_example_loss)# probabilities = tf.nn.softmax(logits, axis=-1)# log_probs = tf.nn.log_softmax(logits, axis=-1)# one_hot_labels = tf.one_hot(labels, depth=num_labels, dtype=tf.float32)# per_example_loss = -tf.reduce_sum(one_hot_labels * log_probs, axis=-1)# loss = tf.reduce_mean(per_example_loss)return (loss, per_example_loss, logits, probabilities, output_layer) #只需在return中增加output_layer即可。
def model_fn_builder(bert_config, num_labels, init_checkpoint, learning_rate,num_train_steps, num_warmup_steps, use_tpu,use_one_hot_embeddings):"""Returns `model_fn` closure for TPUEstimator."""def model_fn(features, labels, mode, params): # pylint: disable=unused-argument"""The `model_fn` for TPUEstimator."""tf.logging.info("*** Features ***")for name in sorted(features.keys()):tf.logging.info(" name = %s, shape = %s" % (name, features[name].shape))input_ids = features["input_ids"]input_mask = features["input_mask"]segment_ids = features["segment_ids"]label_ids = features["label_ids"]is_training = (mode == tf.estimator.ModeKeys.TRAIN)#此处增加一个output_layer(total_loss, per_example_loss, logits, probabilities, ***output_layer***) = create_model(bert_config, is_training, input_ids, input_mask, segment_ids, label_ids,num_labels, use_one_hot_embeddings)tvars = tf.trainable_variables()scaffold_fn = Noneif init_checkpoint:(assignment_map, initialized_variable_names) = modeling.get_assignment_map_from_checkpoint(tvars, init_checkpoint)if use_tpu:def tpu_scaffold():tf.train.init_from_checkpoint(init_checkpoint, assignment_map)return tf.train.Scaffold()scaffold_fn = tpu_scaffoldelse:tf.train.init_from_checkpoint(init_checkpoint, assignment_map)tf.logging.info("**** Trainable Variables ****")for var in tvars:init_string = ""if var.name in initialized_variable_names:init_string = ", *INIT_FROM_CKPT*"tf.logging.info(" name = %s, shape = %s%s", var.name, var.shape,init_string)output_spec = Noneif mode == tf.estimator.ModeKeys.TRAIN:train_op = optimization.create_optimizer(total_loss, learning_rate, num_train_steps, num_warmup_steps, use_tpu)output_spec = tf.contrib.tpu.TPUEstimatorSpec(mode=mode,loss=total_loss,train_op=train_op,scaffold_fn=scaffold_fn)elif mode == tf.estimator.ModeKeys.EVAL:def metric_fn(per_example_loss, label_ids, probabilities):predict_ids = tf.cast(probabilities > 0.5, tf.int32)label_ids = tf.cast(label_ids, tf.int32)elements_equal = tf.cast(tf.equal(predict_ids, label_ids), tf.int32) #tf.equal（）：逐个元素判断是否相等row_predict_ids = tf.reduce_sum(elements_equal, -1)row_label_ids = tf.reduce_sum(tf.ones_like(label_ids), -1)accuracy = tf.metrics.accuracy(labels=row_label_ids, predictions=row_predict_ids)loss = tf.metrics.mean(per_example_loss)return {"eval_accuracy": accuracy,"eval_loss": loss,}eval_metrics = (metric_fn, [per_example_loss, label_ids, probabilities])output_spec = tf.contrib.tpu.TPUEstimatorSpec(mode=mode,loss=total_loss,eval_metrics=eval_metrics,scaffold_fn=scaffold_fn)else:output_spec = tf.contrib.tpu.TPUEstimatorSpec(mode=mode,predictions={"probabilities": probabilities, ***"output_layer":output_layer***},scaffold_fn=scaffold_fn) #predictions增加"output_layer":output_layerreturn output_specreturn model_fn
OK，微调后的词向量提取成功！
四、多标签分类任务中，阈值一般真的是设0.5吗？
阈值绝大部分确实是设置为0.5的。
但自己在实际中会遇到一些样本预测的输出向量中的所有“概率”数据都小于0.5，因此这些样本就不会有预测标签。现实中也确实存在这种问题，模型对这部分的样本的确区分不出来，也有可能是因为相应标签对应的样本数很少，在划分数据集时，shuffle之后的trainset数据集中有的标签并未抽取到，因此验证时必定有的标签得不出预测标签。
BERT模型fine-tuning过程代码实战，以run_classifier.py为例。
BERT官方Github地址：/google-research/bert，其中对BERT模型进行了详细的介绍，更详细的可以查阅原文献：/abs/1810.04805。
BERT本质上是一个两段式的NLP模型。第一个阶段叫做：Pre-training，跟WordEmbedding类似，利用现有无标记的语料训练一个语言模型。第二个阶段叫做：Fine-tuning，利用预训练好的语言模型，完成具体的NLP下游任务。
Google已经投入了大规模的语料和昂贵的机器帮我们完成了Pre-training过程，这里介绍一下不那么expensive的fine-tuning过程。
回到Github中的代码，只有run_classifier.py和run_squad.py是用来做fine-tuning 的，其他的可以暂时先不管。这里使用run_classifier.py进行句子分类任务。
代码解析
从主函数开始，可以发现它指定了必须的参数：
if __name__ == "__main__":flags.mark_flag_as_required("data_dir")flags.mark_flag_as_required("task_name")flags.mark_flag_as_required("vocab_file")flags.mark_flag_as_required("bert_config_file")flags.mark_flag_as_required("output_dir")tf.app.run()
从这些参数出发，可以对run_classifier.py进行探索：
data_dir
指的是我们的输入数据的文件夹路径。查看代码，不难发现，作者给出了输入数据的格式：
class InputExample(object):"""A single training/test example for simple sequence classification."""
definit(self,guid,text_a,text_b=None,label=None):
“”“Constructs a InputExample.
Args:
guid: Unique id for the example.
text_a: string. The untokenized text of the first sequence. For single
sequence tasks, only this sequence must be specified.
text_b: (Optional) string. The untokenized text of the second sequence.
Only must be specified for sequence pair tasks.
label: (Optional) string. The label of the example. This should be
specified for train and dev examples, but not for test examples.
“””
self.guid=guid
self.text_a=text_a
self.text_b=text_b
self.label=label
可以发现它要求的输入分别是guid, text_a, text_b, label，其中text_b和label为可选参数。例如我们要做的是单个句子的分类任务，那么就不需要输入text_b；另外，在test样本中，我们便不需要输入lable。
task_name
这里的task_name，一开始可能不好理解它是用来做什么的。仔细查看代码可以发现：
processors = {"cola": ColaProcessor,"mnli": MnliProcessor,"mrpc": MrpcProcessor,"xnli": XnliProcessor,}
task_name = FLAGS.task_name.lower()
iftask_namenotinprocessors:
raiseValueError(“Task not found: %s”%(task_name))
processor=processors[task_name]()
task_name是用来选择processor的。
继续查看processor，这里以“mrpc”为例：
class MrpcProcessor(DataProcessor):"""Processor for the MRPC data set (GLUE version)."""
defget_train_examples(self,data_dir):
“”“See base class.”""
returnself._create_examples(
self._read_tsv(os.path.join(data_dir,“train.tsv”)),“train”)
defget_dev_examples(self,data_dir):
“”“See base class.”""
returnself._create_examples(
self._read_tsv(os.path.join(data_dir,“dev.tsv”)),“dev”)
defget_test_examples(self,data_dir):
“”“See base class.”""
returnself._create_examples(
self._read_tsv(os.path.join(data_dir,“test.tsv”)),“test”)
defget_labels(self):
“”“See base class.”""
return[“0”,“1”]
def_create_examples(self,lines,set_type):
“”“Creates examples for the training and dev sets.”""
examples=[]
for(i,line)inenumerate(lines):
ifi0:
continue
guid=“%s-%s”%(set_type,i)
text_a=tokenization.convert_to_unicode(line[3])
text_b=tokenization.convert_to_unicode(line[4])
ifset_type“test”:
label=“0”
else:
label=tokenization.convert_to_unicode(line[0])
examples.append(
InputExample(guid=guid,text_a=text_a,text_b=text_b,label=label))
returnexamples
可以发现这个processor就是用来对data_dir中输入的数据进行预处理的。
同时也能发现，在data_dir中我们需要将数据处理成.tsv格式，训练集、开发集和测试集分别是train.tsv, dev.tsv, test.tsv，这里我们暂时只使用train.tsv和dev.tsv。另外，label在get_labels()设定，如果是二分类，则将label设定为[“0”,”1”]，同时_create_examples()中，给定了如何获取guid以及如何给text_a, text_b和label赋值。
到这里，似乎已经明白了什么。对于这个fine-tuning过程，我们要做的只是：
准备好一个12G显存左右的GPU，没有也不用担心，可以使用谷歌免费的GPU
准备好train.tsv, dev.tsv以及test.tsv
新建一个跟自己task_name对应的processor，用于将train.tsv、dev.tsv以及test.tsv中的数据提取出来赋给text_a, text_b, label
下载好Pre-training模型，设定好相关参数，run就完事了
“vocab_file”, "bert_config_file"以及"output_dir"很好理解，分别是BERT预训练模型的路径和fine-tuning过程输出的路径
fine-tuning实践
准备好train.tsv, dev.tsv以及test.tsv
tsv，看上去怪怪的。其实好像跟csv没有多大区别，反正把后缀改一改就完事。这里我要做的是一个4分类，示例在下面：
train.tsv: （标签+’\t’+句子）
dev.tsv:（标签+’\t’+句子）
test.tsv:（句子）
新建processor
这里我将自己的句子分类任务命名为”bert_move”：
processors = {"cola": ColaProcessor,"mnli": MnliProcessor,"mrpc": MrpcProcessor,"xnli": XnliProcessor,"bert_move": MoveProcessor}
然后仿照MrpcProcessor创建自己的MoveProcessor：
class MoveProcessor(DataProcessor):"""Processor for the move data set ."""
defget_train_examples(self,data_dir):
“”“See base class.”""
returnself._create_examples(
self._read_tsv(os.path.join(data_dir,“train.tsv”)),“train”)
defget_dev_examples(self,data_dir):
“”“See base class.”""
returnself._create_examples(
self._read_tsv(os.path.join(data_dir,“dev.tsv”)),“dev”)
defget_test_examples(self,data_dir):
“”“See base class.”""
returnself._create_examples(
self._read_tsv(os.path.join(data_dir,“test.tsv”)),“test”)
defget_labels(self):
“”“See base class.”""
return[“0”,“1”,“2”,“3”]
def_create_examples(self,lines,set_type):
“”“Creates examples for the training and dev sets.”""
examples=[]
for(i,line)inenumerate(lines):
guid=“%s-%s”%(set_type,i)
ifset_type==“test”:
text_a=tokenization.convert_to_unicode(line[0])
label=“0”
else:
text_a=tokenization.convert_to_unicode(line[1])
label=tokenization.convert_to_unicode(line[0])
examples.append(
InputExample(guid=guid,text_a=text_a,text_b=None,label=label))
returnexamples
其中，主要修改的是:
get_labels()中设置4分类的标签[‘0’, ‘1’, ‘2’,’ 3’]_create_examples()中提取文本赋给text_a和label，并做一个判断，当文件名是test.tsv时，只赋给text_a，label直接给0guid则为自动生成
设定参数，运行fine-tuning
相关的参数可以直接在run_classifier.py中一开始的flags里面直接做修改，然后运行就行。但是又研究了一下Github里面设置参数的方式：
python run_classifier.py \--task_name=MRPC \--do_train=true \--do_eval=true \--data_dir=$GLUE_DIR/MRPC \--vocab_file=$BERT_BASE_DIR/vocab.txt \--bert_config_file=$BERT_BASE_DIR/bert_config.json \--init_checkpoint=$BERT_BASE_DIR/bert_model.ckpt \--max_seq_length=128 \--train_batch_size=32 \--learning_rate=2e-5 \--num_train_epochs=3.0 \--output_dir=/tmp/mrpc_output/
对其中的一些参数做一些解释：
do_train, do_eval和do_test至少要有一个是True，一般做fine-tuning训练时，将do_train和do_eval设置为True，do_test设置为False(默认)，当模型都训练好了，就可以只将do_test设置为True，将会自动调用保存在output_dir中已经训练好的模型，进行测试。max_seq_length、train_batch_size可以根据自己的设备情况适当调整，目前默认的参数在GTX 1080Ti 以及谷歌Colab提供的免费GPU Tesla K80中经过测试，完美运行。关于预训练模型，官方给出了两种模型，Large和Base，具体可以看Github介绍以及论文，目前上面的两种设备经过多次测试，只能支持Base模型，Large模型显然需要更大显存的机器（TPU）。
